1

我正在处理 6641x2720 图像以使用移动的 GLCM（灰度共现矩阵）窗口生成其特征图像（Haralick 特征，如对比度、二阶矩等）。但它需要永远运行。该代码工作正常，因为我已经在较小的图像上对其进行了测试。但是，我需要让它运行得更快。将尺寸减小到 25% (1661x680) 需要30 分钟才能运行。我怎样才能让它运行得更快？这是代码：

from skimage.feature import greycomatrix, greycoprops
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
import time
start_time = time.time()
img = Image.open('/home/student/python/test50.jpg').convert('L')
y=np.asarray(img, dtype=np.uint8)
#plt.imshow(y, cmap = plt.get_cmap('gray'), vmin = 0, vmax = 255)
contrast = np.zeros((y.shape[0], y.shape[1]), dtype = float)

for i in range(0,y.shape[0]):
    for j in range(0,y.shape[1]):
        if i < 2 or i > (y.shape[0]-3) or j < 2 or j > (y.shape[1]-3):
            continue
        else:
            s = y[(i-2):(i+3), (j-2):(j+3)]
            glcm = greycomatrix(s, [1], [0],  symmetric = True, normed = True )
            contrast[i,j] = greycoprops(glcm, 'contrast')
print("--- %s seconds ---" % (time.time() - start_time))
plt.imshow(contrast, cmap = plt.get_cmap('gray'), vmin = 0, vmax = 255)
4

1 回答 1

0

填充 GLCM 是一种线性操作：您只需遍历图像/窗口上的所有像素，然后填充匹配的矩阵情况。您的问题是您对每个像素执行操作，而不仅仅是图像。因此，在您的情况下，如果图像尺寸为 Width x Height 并且窗口尺寸为 NxN，那么总复杂度为 Width x Height x (NxN + FeaturesComplexity)，这非常糟糕。

有一个更快的解决方案，但实施起来更棘手。目标是减少矩阵填充操作。这个想法是使用前向前端和后向前端逐行工作（原理已经用于获得快速的数学形态学运算符，请参见此处和此处）。当你为两个连续的像素填充矩阵时，你重用了大部分像素，实际上只有左右的像素不同，所以分别为后前和前前。

这是尺寸为 3x3 的 GLCM 窗口的示意图：

x1 x2 x3 x4

x5 p1 p2 x6

x7 x8 x9 x10

当窗口以 p1 为中心时，您使用像素：x1、x2、x3、x5、p2、x7、x8、x9。当窗口以 p2 为中心时，您使用像素：x2、x3、4、p1、x6、x8、x9、x10。所以对于 p1，你使用 x1、x5 和 x7，但你不将它们用于 p2，但所有其他像素都是相同的。

该算法的想法是正常计算 p1 的矩阵，但是当您移动到 ​​p2 时，您删除了后向前端 (x1, x2, x5) 并添加了前向前端 (x4, x6, x10)。这大大减少了计算时间（数学形态学运算的线性而不是二次）。这是算法：

  1. 对于每一行：
  2. ----- 为行中的第一个像素填充矩阵（通常）并计算特征
  3. ----- 对于以下每个像素
  4. ----- ----- 添加前面（窗口中的新像素）
  5. ----- ----- 去掉后面的前面（像素不再在窗口中）
  6. ----- ----- 计算特征
于 2016-08-15T17:37:18.053 回答